基于改進聚類算法醫(yī)學(xué)圖像的分割與應(yīng)用.pdf

1、醫(yī)學(xué)圖像分割是醫(yī)學(xué)圖像處理到醫(yī)學(xué)圖像分析過程中比較關(guān)鍵的步驟。準確的醫(yī)學(xué)圖像分割可以為醫(yī)療工作者對疾病的診斷和分析提出有效的治療方案，為臨床醫(yī)學(xué)的研究提供可靠的理論依據(jù)，從而使研究人員對后續(xù)工作進行準確的決策。
　　本文主要研究的是半監(jiān)督學(xué)習(xí)理論、模糊聚類算法以及半監(jiān)督模糊聚類算法，分別使用經(jīng)典的無監(jiān)督模糊C均值聚類算法、半監(jiān)督模糊C均值聚類算法對MRI圖像進行了分割實驗，針對當前算法在MRI圖像分割中遇到的實際困難和問題，提出了

2、一種基于半監(jiān)督模糊C均值聚類算法的新穎半監(jiān)督聚類算法，并且成功應(yīng)用到核磁共振圖像中，本文主要獲得以下研究成果:
　　(1)模糊聚類算法與半監(jiān)督學(xué)習(xí)理論的結(jié)合應(yīng)用。在經(jīng)典的無監(jiān)督模糊C均值聚類基礎(chǔ)上引入了半監(jiān)督學(xué)習(xí)算法，并通過實驗數(shù)據(jù)集對加入半監(jiān)督算法后的可行性進行了有效的驗證，實驗證明了在加入半監(jiān)督算法后，新的算法在聚類精度上和速度上比傳統(tǒng)的模糊C均值聚類算法都有顯著地提高，證明了半監(jiān)督模糊C均值聚類算法比經(jīng)典的無監(jiān)督模糊C均值聚

3、類算法上聚類效果要好。
　　(2)由于醫(yī)學(xué)MRI圖像的復(fù)雜性，對MRI圖像進行半監(jiān)督模糊聚類分析就在大量數(shù)據(jù)樣本的中利用微量的標記信息進行學(xué)習(xí)，這里就出現(xiàn)了退化的問題，鑒于這種退化性，提出了一種新穎的半監(jiān)督算法來解決了半監(jiān)督模糊C均值聚類的無法利用標記信息的問題。在對核磁共振圖像進行分割的過程中，通過實驗結(jié)果發(fā)現(xiàn)，在標記點很少的情況下，半監(jiān)督模糊均值聚類會退化成為經(jīng)典的無監(jiān)督的模糊C均值聚類，從而失去了半監(jiān)督學(xué)習(xí)的過程，為了從根本

4、上解決這個問題，本文提出了一種新穎的半監(jiān)督聚類圖像分割算法，這種新的算法受部分監(jiān)督聚類的影響，改進目標函數(shù)，通過在迭代過程中不斷調(diào)整監(jiān)督信息的比重，從而來影響聚類中心，并且成功的將新算法應(yīng)用到醫(yī)學(xué)核磁共振圖像分割中，實驗結(jié)果無論是從分割精度上還是從時間上都比先前的算法要好，并且在噪聲環(huán)境下具有很強的抗噪能力，最后得出了這種新穎的半監(jiān)督聚類算法在核磁共振圖像分割中得到了很好的魯棒性和分割精度，收斂速度很快，迭代次數(shù)最少，從而驗證了算法的可